一、引言

随着全球化、信息化和市场化的发展，全球产业结构从“工业经济”主导转向“服务经济”主导，新科技革命深刻地改变着传统的经济结构、生产组织和管理模式，全球经济趋向“软化”。在此过程中以科技、知识创新为主导的经济发展趋势已愈发彰显优势地位，过去单纯以资本和自然资源的传统增长方式发展经济逐渐失去了竞争力，科技与知识越来越显现了在区域经济发展中的主导地位，使世界经济发生了一系列深刻变化。而使科技和知识发挥有效作用的重要载体产业——科技服务业，其发展和应用必将对现代生产力的高质高效发展产生重要的推动作用。

科技服务业成为我国产业结构调整过程中发展最快、最活跃的领域之一，它是以提供技术和知识服务为主要特征的科技与经济结合的产物。其高知识密集性、高交互性和正外部效应等特点决定了科技服务业集聚化发展能够产生外部规模经济效应。由于科技服务业能够给工业的发展带来科技管理水平的提升与技术创新，如何将科技服务业与工业紧密融合以促进国家工业发展是很多学者和各级政府关注的课题，将科技服务业集聚所带来的外部规模经济效应与国家工业产业结合更是十分重要的研究方向。国内学界对科技服务业的研究主要集中于模式研究、影响因素研究等，有关集聚的相应研究还较少，并且部分研究只是以个别省份为案例进行研究，对整体科技服务业集聚以及省市间科技服务业空间分布研究不足，对科技服务业集聚与工业生产率提升的关系研究则更为少见。在当前我国科技服务业发展态势下，研究科技服务业发展及集聚特征与工业效率提升之间的关系，能够促进我国科技服务业及其集聚式发展以及为各省市工业与科技服务业融合发展提供政策建议。

二、文献综述

国内关于科技服务业集聚研究始于整体服务业集聚研究，比较有代表性的研究有：蒋三庚和宋佳娟(2013)分析了国内主要现代服务业集聚过程和集聚方式；金荣学和卢忠宝(2010)、任英华等(2011)用区位熵、芬达尔指数、空间基尼系数和产业份额指标测度了我国服务业集聚度。这些与整体服务业有关的集聚研究为科技服务业集聚研究指明了方向和路线，科技服务业集聚研究逐渐得到了一些学者的关注。此类研究多集中于集聚模式、集聚路径及集聚的影响因素等。如谢泗薪和侯蒙(2017)剖析科技服务业的产业集聚演变路径及其存在的问题，构建经济新常态下科技服务业的产业集聚结构模式。钟小平(2014)指出科技服务业的集聚是市场效应和政策效应的结合。张清正(2015a)表明知识溢出、信息化、城市规模、政府政策有利于科技服务业集聚，东部与中西部地区具有相异的集聚路径。张清正(2015b)通过研究得出科技服务业集聚发展影响因素体系。韩冰(2015)考察了中国科技服务业空间集聚发展状态，同样分析了识别科技服务业集聚发展的影响因素。随着第三产业在国民经济领域地位的提高，科技与创新成为国家发展的重要战略方向，归属于第三产业的科技服务业与制造业等上下游相关产业的关系逐渐得到研究者的重视。如国外学者Wood(2006)指出知识密集型的商务服务及集聚推动下游厂商、进而推动整个经济的创新活动。Bryson等(2008)认为尽管有关技术进步和技术转型方面的研究更多关注制造业部门，但随着服务经济的不断发展，服务业及其集聚在技术转型中显示出愈加突出的作用。此类研究也从生产服务业开始逐渐深入。陈建军等(2009)指出生产性服务业集聚比制造业集聚受地理因素影响较弱。盛丰(2014)指出生产性服务业集聚促进了制造业升级。宣烨(2012)的研究结果显示，生产性服务业空间集聚不仅能够提升本地区制造业的生产效率，而且能够通过空间外溢效应提升周边地区制造业的生产效率。顾乃华(2011)研究表明我国城市生产性服务业集聚对工业的外溢效应存在区域边界。进一步的此方面研究则与科技服务业集聚相关，Pereira á等(2017)认为知识密集型服务业集聚发展为工业经济流通做出重大贡献。国内学者张琴等(2015)对4个科技服务业发展水平较高地区的科技服务业集聚情况进行了测度，得出科技服务业集聚对制造业升级具有正向推动作用。司增绰和张亚男(2017)指出科技服务业集聚对制造业发展的带动效应并进行了测算。显然，科技服务业集聚研究已经迈向新的阶段，需要更多基于与工业对接的实证研究以及与其他产业融合的发展策略。

现有文献给本文的研究提供了一定基础，但学者们大多只是以个别省份为案例进行研究，并且多停留在理论研究上，实证的相关研究并不深入，对我国整体科技服务业集聚对工业生产率外溢效应的研究不足，相邻区域之间的经济发展的外部性容易被忽视。与现有研究相比，文章的主要贡献在于运用空间计量方法对科技服务业集聚促进工业效率的机理做了定量分析，运用2003-2015年215个地级以上城市面板数据，测度科技服务业集聚工业生产率提升的外溢效应，研究不同区域科技服务业集聚对工业生产率的影响程度，为我国科技服务业及其集聚式发展以及与工业的融合提供政策建议。

证明：由于ri(t)，ai(t)，b(t)，ci(t)，di(t)，ki(t)，αi(t)，βi(t)(i=1,2)为时标上的概周期函数，则存在序列{τn}，当n→∞时，有τn→∞，使得ri(t+τn)→ri(t)，ai(t+τn)→ai(t)，b(t+τn)→b(t)，di(t+τn)→di(t)，ki(t+τn)→ki(t)，αi(t+τn)→αi(t)，βi(t+τn)→βi(t)，i=1,2.

三、科技服务业集聚对工业效率影响机制的理论分析

较早有关产业集聚的研究关注于集聚过程中的循环累积因果关系的重要作用，而新产业区理论将产业集聚理论扩展到社会因素层面，众多产业集聚的理论研究为科技服务业集聚研究铺垫了道路。但由于科技服务业具有高知识性、高创新性、高人才性以及高外部性，当科技服务业以集聚化模式发展时，其发展过程中所形成的集聚效应对产业发展的促进作用更加凸显。本文主要从三个方面探讨科技服务业集聚效应对工业效率的影响机制。

(1)构建0-1矩阵，权重定义如下：

3、控制变量：除了科技服务业聚集程度，其他一些因素也会对工业效率产生影响。一方面需要依据经济增长理论考察劳均物质资本、人力资本积累以及研发创新投入等诸多影响因素；另一方面还需要根据我国作为转型发展中大国的基本国情考察对外开放、市场化进程以及城市化进程等诸多影响因素。本文最终选取了五个控制变量，分别为：(1)外商投资(FDI)，采用年度实际外商投资额占 GDP的比重来衡量；(2)固定投资(FI)，选取各城市年投资总额数据；(3)城市化率(CITY)，用城市建筑面积与市区面积比例表示；(4)信息化水平(INF)，采用城市互联网用户数量与总人口占比表示；(5)受教育程度(EDU)，采用普通高校学生数量占城市总人口比例来衡量。同时考虑城市规模给外溢带来的影响，加入城市虚拟变量X，设省会城市及直辖市为1，其他城市设为0。

科技服务业集聚的竞争效应。由于传统工业的转型升级，各类工业企业对科技服务企业产生了大量的潜在需求。在优胜劣汰的市场机制作用下，科技服务企业为了保持自身的竞争优势，必须不断进行创新，提高自身专业化水平(柴志贤，2008；司增绰和张亚男，2017)。其结果必然能为工业企业提供更多高品质、专业化、成本低廉的中间服务和产品，降低了工业企业的生产成本，最终促使工业生产率提高。

总括说来，科技服务集聚能够提高技术扩散效率，增强工业企业适应外部市场竞争环境变化的能力，为工业效率的提高和发展以及业务重组整合提供重要技术支撑。

四、空间计量模型的设立与数据来源

(一)基本模型建立与变量说明

为了能清晰体现各地级以上城市间工业效率的空间关系，以2003年与2015年数据为例绘制散点图(如图1和图2所示)。从图中可见，多数城市集聚点位于一三象限中，以密集分布的形式存在，证明了工业效率具有空间集聚性质，需引入空间计量方法。

1nIEit= α0+β11nASTSit+β2X+β31nFDIit+β41nCITYit+β51nINFit+β61nEDUit+β71nLNFIit+εit

(1)

式中α0为截距，it为服从正态分布的随机误差项。变量选取与释义说明如下：

[1]柴志贤，2008：《产业集聚对区域技术创新的影响：理论、机理与实证研究》，浙江大学博士论文。[Chai Zhixian, 2008, The impact of industrial agglomeration on Regional Technological Innovation: Theory, Mechanism and Empirical Study, Doctoral Dissertation of Zhejiang University.]

2、解释变量: 科技服务业集聚度(ASTS)。本文选取区位熵( CAPS) 作为科技服务业空间聚集的衡量指标。公式如下：

 

其中，eit表示某一区域科技服务业在t时期的就业人数， 表示区域所有产业在t时期的就业人数，Eit表示全国范围内科技服务业在t时期的就业人数，表示全国所有产业在t时期的就业人数，相当于全国已经就业的劳动力总数。区位熵越大，表示科技服务业在某区域中的集聚程度越高，反之，表示集聚程度越低。

科技服务业集聚的技术扩散效应。根据知识转化过程(Nonaka I，2000)和对企业内部知识共享模式的研究(魏江，2014)，科技服务业集聚对工业企业间产生技术扩散效应，这种扩散效应通过员工、科技服务企业内部组织、科技服务企业员工和工业组织之间进行知识技术的扩散。员工间的交流促进隐性知识传播；员工向组织的扩散促进隐性知识显性化；科技服务企业之间通过个体流动以及科技服务企业与工业企业间技术往来促进显性知识进一步扩散。这使得工业企业得到快速的技术更新和业务重组的讯息，进而提高工业效率。

在进行社区医院的工作中，对患者进行自我管理模式健康教育是很有必要进行的，社区医院应该充分认识到这一点，做好对患者的安全教育工作，使其配合医院的治疗，从而增强治疗疗效，帮助患者恢复身体健康。

(二)空间计量模型构建与空间矩阵选择

上述方程为研究的基本分析框架，需纳入空间因素作用，在方程(1)的基础上，进行空间计量相关分析。空间计量模型主要考虑空间误差模型(SAR)和空间误差模型(SEM)两种类型(Anselin，1988)，当变量间空间依赖性对模型影响关键导致空间相关时，即为SAR模型。当模型误差项空间相关，即为SEM模型：

SAR模型表示为：

综上所述，本研究运用fMRI及ReHo方法定位了DPN患者神经元活动异常脑区从而探索DPN的中枢神经系统改变，并进一步对Painful DPN特异性的中枢病变进行了探讨。ReHo方法为研究DPN中枢脑功能改变提供了新的途径。脑功能的异常特征或可能为DPN患者的治疗、疗效评估及预后提供新思路。本研究虽然发现DPN患者多个脑区均存在神经元活动异常，但目前尚不能明确这些异常是原发性病变还是继发于DPN的一种代偿改变，未来还需进一步的研究。

 

(2)

SEM模型表示为：

 

(3)

其中，下标i表示省份，t表示年份，Xj代表系列自变量，ρ是空间自回归系数。W为空间权重矩阵，表示不同地区相互关系结构的矩阵。WijlnIE代表工业效率的空间滞后项。WijXjt代表解释变量Xj的空间滞后项。其中为空间误差自回归系数。

习近平总书记在十九大报告中提出了“乡村振兴战略”，并明确提出“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”[2]22的总要求。对于“三农”问题，中央历来都是高度重视的，这从近年来中共中央一号文件的内容可以清楚地看出来。但是，有几个问题需要思考：一是为什么在当前这个时间节点提出“乡村振兴战略”；二是为什么以前所未有的力度突出“三农”问题；三是为什么在总要求里面强调指出“乡村治理”问题。对于这三个问题，需要从以下几个方面进行理解。

空间权重矩阵代表空间单元之间的依赖性与关联程度，为了便于比较从而得出更加准确的结论，本文在数据测试中选取邻接标准矩阵、地理距离矩阵与经济距离矩阵三种矩阵。通过结论得出较为适宜的两种矩阵为0-1邻接矩阵与地理距离矩阵。对两种矩阵分别采用标准化处理。两种矩阵构建方法如下：

科技服务业集聚的创新效应。知识与技术创新过程通过知识获取、知识整合、知识转移三个阶段(魏江，2004)。司增绰和张亚男(2017)指出科技服务业集聚化发展能够通过资源共享、技术互通、人才流动等手段进一步为科技服务企业间知识的交流和传递创造平台。同时，科技服务业集聚能够推进知识与技术的创新，促进区域内企业内外部知识的整合，使区域创新网络完善，从而为工业生产率的提高提供更多技术支撑。

 

(4)

(2)地理距离权重矩阵构建方法为：由空间元素的空间距离决定空间效应的强弱，地理距离越近的省份空间效应越强，dij为省份i与省份j之间的空间距离。

 

(5)

(三)数据来源

在准备数据过程中发现部分城市数据缺失较为严重，除去满足以下任意一个条件的城市样本：(1)外商投资实际应用值、固定资产投资、高等学校教育人数等中间投入至少一项为空；(2)城市当年数据存在不合理值。经过筛选本文选取的样本为215个地级及以上城市面板数据。由于科技服务业就业人数统计自2003年起，本文选取样本时间为2003-2015年。数据主要来源于《中国城市统计年鉴》、《中国统计年鉴》、《中国社会统计年鉴》，并对相关数据进行了整理。

那罗寨矿原煤质量见表1。考虑到矿井原煤质量及生产成本，依据洗选加工效益最大化原则，该矿原煤按动力煤洗选加工更合适。选煤厂确定采用筛分工艺，将筛下低灰高发热量物料直接作为动力煤产品销售，筛上高灰低发热量物料进入重介质分选系统。在原煤筛分破碎楼新增一套分级系统。生产实践证明，系统稳定运行，保证了矿井劣质原煤生产，同时又降低了洗选加工成本。

五、空间相关性检验、回归结果分析与稳健性检验

(一)空间相关性检验

空间经济学理论认为一般地理位置相关的空间数据都具有空间自相关的特征，本文研究科技服务业集聚是以空间依赖或空间相关理论为基础，需要进行空间自相关检验，本文使用Moran’I指数。运用stata12.0软件完成2003-2015年工业效率的Moran’I指数计算，结果如下：

 

表1 2003-2015年工业效率的Moran’I指数

  

年份Izp年份Izp20030.27914.4030.00020100.20910.0000.00020040.29514.1490.00020110.1758.3250.00020050.25212.4240.00020120.1788.4690.00020060.25412.4590.00020130.1286.2180.00020070.24712.0600.00020140.0223.3050.01520080.23311.2460.00020150.2079.7200.00020090.23511.1420.000

注：z为渐进的t统计量，p为小概率值。

以C-D生产函数形式模型为基础，两边取对数建立本文的基本模型：

  

图1 2003年科技服务业集聚散点示意图 图2 2015年科技服务业集聚散点示意图

模型中各变量描述统计如表2所示：

 

表2 变量描述统计

  

变量样本数截面×时期均值标准差最小值最大值IE2795215×1345.6042.400.03782.9ASTS2795215×130.760.480.137.39FDI2795215×130.020.020.00010.38CITY2795215×1310.0510.030.0497.18LNFI2795215×1315.441.1112.3218.69INF2795215×1312.611.165.4717.76EDU2795215×1310.561.255.6513.86

(二)检验方法及回归结果分析

本文使用的是面板数据模型，首先检验数据是否存在单位根，对面板数据进行ADF检验，运用Eviews软件得出ADF单位根结果为否，通过ADF检验。下一步根据Elhorst(2014)的检验思路，空间面板采用极大似然估计方法，面板数据计量模型借助Matlab2016a软件完成。首先，判断标准的面板数据计量模型应该采用固定效应还是随机效应模型。Hausman 检验值检验结果为17.908，未在0.05% 的显著性水平上通过了检验，应采用随机效应模型。而且，随机效应模型的AdjR2值要优于固定效应结果，故应选择随机效应模型。其次，SAR模型和SEM模型的选择判断。从面板回归估计残差的LM及其 Robust检验结果可以看出，在 0 -1 邻接权重矩阵与地理距离权重矩阵下SAR模型在LM与Robust两个检验的数值上都比SEM模型要显著，这说明采用SAR模型将更加合理。上述检验结果得出两种矩阵情况均应使用SAR随机效应模型(如表3所示)。继而，根据有效参数估计结果计算出空间模型的直接效应与间接效应(如表4所示)。具体回归结果列出如表3和表4所示：

 

表3 科技服务业集聚对工业效率外溢性的空间面板计量回归结果

  

变量0-1邻接矩阵地理距离矩阵SAR随机效应SAR固定效应SEM随机效应SEM固定效应SAR随机效应SAR固定效应SEM随机效应SEM固定效应ASTS26.96***(15.81)30.71***(18.16)31.72***(17.13)35.89***(19.69)27.27***(16.14)31.16***(18.66)32.45***(17.58)36.64***(20.23)

 

续表3

  

变量0-1邻接矩阵地理距离矩阵SAR随机效应SAR固定效应SEM随机效应SEM固定效应SAR随机效应SAR固定效应SEM随机效应SEM固定效应X6.22***(-7.60)0.6.12***(-6.95)0.8.78***(-8.08)0.8.03***(-7.27)0.FDI-22.88(-0.81)-46.22(-1.61)-5.987(-0.18)-54.75(-1.62)-20.35(-0.73)-37.77(-1.33)-2.405(-0.07)-44.58(-1.36)CITY0.0975***(1.08)0.0795(0.82)0.012***(0.13)-0.0464(-0.48)0.118***(1.32)0.0954(0.99)0.003***(0.78)0.0198(0.21)INF28.63***(6.87)26.16***(6.30)26.19***(6.08)22.55***(5.31)28.07***(6.82)26.12***(6.37)29.15***(6.90)25.81***(6.20)EDU128.2**(2.89)158.0***(3.49)117.1**(2.62)149.2***(3.30)130.3**(2.97)169.3***(3.78)160.8***(3.82)191.8***(4.55)FI0.00271***(3.72)0.00224**(3.07)0.00697(0.83)-0.00108(-0.13)0.000237**(3.27)0.00179*(2.47)-0.00525(-0.64)-0.00144(-1.77)Log-lik636.68590.37171.9136.68635.355594.24155.365167.36AdjR20.97520.93230.93610.99370.98910.93570.94330.9237

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著；括号内为渐进的t统计量。

 

表4 各类变量对工业效率提升的直接效应和空间间接效应

  

变量名称0-1矩阵地理距离矩阵直接效应占比间接效应占比总效应直接效应占比间接效应占比总效应ASTS0.016**(-0.89)INF0.055***(-4.84)EDU0.099***(-10.18)FI0.158***(-11.71)63%0.010**(-0.88)0.032***(-4.00)0.058***(-6.28)0.091***(-8.72)37%0.026**(-0.8)0.017**(-0.89)0.087***(-4.79)0.057***(-4.84)0.158***(-10.33)0.15***(-10.18)0.249***(-17.16)0.19***(-11.71)66%0.08**(-0.88)0.032***(-4.00)0.08***(-6.28)0.091***(-8.72)34%0.025**(-0.8)0.089***(-4.79)0.23***(-10.33)0.281***(-17.16)

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著；括号内为渐进的t统计量。

由SAR随机效应回归结果可见，科技服务业集聚变量的系数为正，并显著通过了检验，在不考虑其他因素影响的情况下，当科技服务业集聚度每增长1% ，可促进我国工业生产率增长0.36%。表明科技服务业集聚对本地区的工业效率提升有显著的正相关性，能够显著提升本地区工业效率。同时，城市虚拟变量系数为正且通过5%的显著性检，表明省会及直辖市城市科技服务业集聚对工业效率提升更为显著。城市化指数、信息化指数、受教育程度均通过5%的显著性检，表明三者对工业效率提升具有显著特性。外商投资额对工业效率提升不显著。通过变量的直接效应与间接效应比较，可以得出无论在0-1矩阵或地理矩阵情况下间接效应占比低于直接效应，但其显著性表明科技服务业集聚对周围地区工业效率的提升具有明显的外溢效应，科技服务业集聚不仅能够促进本地区工业效率提升，还能带动周围城市的工业效率提升。

(三) 分区域的空间计量结果研究

文章继续分东、中、西和东北部四大区域进行科技服务业集聚对工业效率的影响的研究，运用全面FGLS回归得出表5结果。从表中结果可以看出，科技服务业集聚变量对各区域的工业效率影响均通过了10%以上的显著性检验，其中对东部和东北部系数较低，对中部系数最高，西部效果其次。城市虚拟变量对工业效率的影响自东向西逐次升高，可见西部地区中心城市科技服务业集聚影响更为显著。对外开放程度对西部区域影响显著。城市化率对西部区域影响不显著，信息化程度对中西部东北地区工业效率提升影响显著，受教育程度对各区域影响均显著。

 

表5 东中西东北部四区域城市科技服务业集聚对工业效率增长外溢性的FGLS回归结果

  

东部东北部中部西部asts3.941*(1.89)2.704**(2.80)39.38***(20.80)25.53***(11.00)x0.8.00***(-5.24)2.21***(-3.99)3.10***(-8.30)fdi-29.40(-0.86)28.15*(2.23)173.5**(3.18)-133.6*(-2.13)city0.101*(0.65)0.327***(3.57)0.211*(1.89)-0.00771(-0.06)inf5.157(0.70)22.66***(5.30)84.87***(5.88)19.11***(4.84)edu41.6***(4.81)23.9***(3.44)13.2**(-0.72)31.95*(2.31)fi0.000373(1.88)0.000115***(15.10)0.000288(0.60)0.000257**(2.64)_cons42.86***(9.26)15.30***(5.52)-4.013*(-1.11)6.525*(1.28)N1118325936416

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著；括号内为渐进的t统计量。

六、结论

本文通过实证检验验证了科技服务业集聚对工业效率提升存在外溢性。研究结论表明，科技服务业集聚不仅可以提升本地区的工业效率，还可以通过空间外溢效应提升周围地区的工业效率。并且通过四大区域数据表明，科技服务业集聚对工业效率的影响在中西部效果更明显，省会城市及直辖市对工业效率的提升自东向西逐次升高。本文给出的可能解释为：东部地区城市所处的工业化水平相对较高，对科技服务业集聚的要求更为高端化。中西部地区城市工业产业链对科技服务业集聚依赖性更强，可通过全方位服务促进相关产业的知识溢出，更有利于工业效率的提升。

[5]韩冰，2016：《中国科技服务业集聚研究》，吉林大学博士论文。 [Han Bing, 2016,Research on Agglomeration of China’s Science and Technology Service Industry, Doctoral Dissertation of Jilin University]

依据上述研究结论，本文提出以下通过科技服务业集聚更好地促进工业生产效率的政策建议：(1)强化不同规模城市之间科技服务业优势互补、协同发展、区域协作的分工格局。充分重视加强邻近地区科技服务业在投入和劳动力方面的合作与交流，促进科技服务业要素的跨地区和跨行业流动与集聚。大型城市可以将科技服务业适度有序的向周围中小城市转移，继续发挥其对周围城市的空间溢出效应。小城市需更好地利用周边大型城市科技服务业集聚的有效溢出，提升工业利润能力。(2)对科技服务业集聚进行统筹规划，积极发展区域圈和城市群建设，减少科技流通限制，提高信息、交通等基础设施的运行效率，促进市场机制充分发挥作用，使科技服务业集聚更好地发挥空间外溢效应。借助、优化和提高省际资本投入的空间配置效率，提高资本和劳动生产率，增加科技服务业集聚对工业效率增长协同贡献率。(3)继续提高城市信息化水平、城市化率、教育水平，为工业效率发展提供源源不断的人力、智力、环境资源补给，满足工业高速发展的需要。

参考文献:

1、被解释变量：工业效率( IE)。本文采用程中华等人(2017)的做法，采用各个城市工业生产总值就业人数之比来表示，其中城市工业生产总值以 2003 年为基期利用所在省份的 GDP 平减指数进行了平减。

(4)判断迭代次数是否达到算法设定上限值,若已经达到,则返回当前适应度最高个体,该染色体对应的基因单元即为各超参数的学习结果;反之,执行操作(5);

[2] 陈建军、陈国亮、黄洁，2009：《新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国 222 个城市的经验证据》，《管理世界》，第11期。[Chen Jianjun, Chen Guoliang and Huang Jie, 2009, Research on the Agglomeration of Productive Service Industry and Its Influencing Factors from the Perspective of New Economic Geography:Empirical Evidence from 222 cities in China, Management World, 11.]

[3]程中华、李廉水、刘军，2017：《生产性服务业集聚对工业效率提升的空间外溢效应》，《科学学研究》第3期。[Cheng Zhonghua, Li Lianshui and Liu Jun, 2017, The spatial spillover Effect of Producer Service Agglomeration on the Improvement of Industrial Efficiency，Science research, 3.]

由表2、表3及表4的内容对比可以得知FZ/T 82006-2018《机织配饰品》比FZ/T 73044-2012《针织配饰品》考核的内容更多、更全面。FZ/T 73044-2012的等级比FZ/T 82006-2018少了优等品；外观质量考核点少了整烫和色差；内在质量考核点少了湿摩擦色牢度、耐光色牢度和洗后外观。

[4]顾乃华，2011：《我国城市生产性服务业集聚对工业的外溢效应及其区域边界——HLM模型的实证研究》，《财贸经济》，第5期。[ Gu Naihua, 2011, The Spillover Effect of Urban Productive Service Industry Agglomeration to Industry and Its Regional Boundary: An Empirical Study Based on HLM Model, Finance and Trade Economics, 5.]

我很小很小的时候，长得完全像个男小孩。我爸爸妈妈抱着我出去玩，别人就说，啊，这个男小孩真好玩！这个小弟弟真好玩！我姑妈很喜欢我，抱着我出去玩就骗人家说，你看，我的侄子好玩吗，眼睛大吗……我的表姐谢凝就看在眼里，恨在心里，有一次趁我在睡觉，趁大人不在旁边，偷偷地把手伸进我的被窝，狠狠地拧了一下我的脚，我哇地哭起来，吓得她转身就逃……这个事件发生在我一岁，她四岁。

[6]蒋三庚、宋佳娟， 2013：《CBD现代服务业集聚模式与产品差异化垄断研究》，《北京工商大学学报》(社会科学版)第三期。[Jiang Sangeng and Song Jiajuan, 2013, Research on CBD Modern Service Industry Cluster Model and Product Differentiation Monopoly, Journal of Beijing Technology and Business University(Social Science)，3.]

[7]金荣学、卢忠宝，2010：《我国服务业集聚的测度、地区差异与影响因素研究》， 《财政研究》， 第10期。[Jin Rongxue and Lu Zhongbao, 2010, Study on the Measurement, Regional Difference and Influencing Factors of Service Industry Agglomeration in China, Financial Research, 10.]

德国在联邦政府基金支持下展开了智慧能源E-Energy示范项目。我国国家发改委、能源局和工信部于2016年2月24日联合发布了《关于推进“互联网+”智慧能源发展的指导意见》[1],将“互联网+”智慧能源简称为能源互联网,以互联网+、 智慧能源、充分竞争市场作为能源互联网的基本要素,认为它是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态。互联网+使得交易开放成为能源互联网的主要特征之一,因而建设能源互联网,必须要“建立多方参与、平等开放、充分竞争的能源市场交易体系”。

[8]任英华、邱碧槐、王耀中， 2011：《服务业集聚现象测度模型及其应用》，《数理统计与管理》，第6期。[Ren Yinghua, Qiu Bihuai and Wang Yaozhong, 2011, Measurement Model of Service Industry Agglomeration and Its Application, Application of Statistics and Management，6.]

[9]盛丰，2014：《生产性服务业集聚与制造业升级: 机制与经验——来自 230 个城市数据的空间计量分析》，《产业经济研究》第2期。[Sheng Feng, 2014, Production Service Industry Agglomeration and Manufacturing Upgrading: Mechanism and Experience:Spatial Econometric Analysis from 230 Urban Data, Research on Industrial Economy,2.]

[10]司增绰、张亚男，2017：《科技服务业集聚对制造业发展的影响——基于江苏省13个地级市的面板数据分析》，《商业经济研究》第7期。[Si Zengchuo and Zhang Yanan, 2017, The Impact of The Agglomeration of Technology Service Industry on The Development of Manufacturing Industry -Based on the Panel Data Analysis of 13 Cities in Jiangsu Province, Business Economy Research, 7.]

多不饱和脂肪酸在儿童的视力发育、生长发育以及调节血脂、抗血栓和抗炎等人体健康起到重要作用，但在高温时其会分解为单不饱和脂肪酸和饱和脂肪酸。因此，在黄油的烘焙过程中也应尽量控制烘焙温度和时间，避免油的重复利用并适当减少烘焙温度[21]。

[11]魏江，2004：《宏观创新系统中知识密集型服务业的功能研究》，《科学学研究》第121期。[Wei Jiang, 2004, Research on the Function of Knowledge Intensive Service Industry in the Macro Innovation System，Science Research, 121.]

[12]魏江、徐蕾，2014：《知识网络双重嵌入、知识整合与集群企业创新能力》，《管理科学学报》第2期。[Wei Jiang and Xu Lei, 2014, Double Embeddedness of Knowledge Network, Knowledge Integration and Innovation Ability of Cluster Enterprises, Journal of Management Sscience, 2.]

[13]谢泗薪、侯蒙，2017：《经济新常态下科技服务业的产业集聚结构模式与立体攻略》， 《科技管理研究》第2期。[Xie Sixin and Hou Meng, 2017, Industrial Agglomeration Structural Mode and Stereoscopic Strategy of Technological Service Industry under the Economic New Normal State, Research on Science and Technology Management, 2.]

[14]宣烨，2012：《生产性服务业空间集聚与制造业效率提升——基于空间外溢效应的实证研究》，《财贸经济》，第4期。[Xuan Ye, 2012, Spatial Agglomeration of Productive Service Industry and Improvement of Manufacturing Efficiency :An Empirical Study Based on the Effect of Space Spillover, Finance and Trade Economics, 4.]

由此可见，在教学中只要我们创设好科学探究的气氛，对学生们敞开爱的心扉，挖掘学生更多的潜能与课堂激情，赢得他们的信任和全身心的参与，就能促进学生科学素养的全面提高。

[15]张琴、赵丙奇、郑旭，2015：《科技服务业集聚与制造业升级：机理与实证检验》，《管理世界》第11期。[Zhang Qin, ZhaoBingqi and Zhengxu, 2015, Agglomeration of Science and Technology Service Industry and Upgrading of Manufacturing Industry: Mechanism and Empirical Test, Management World, 11.]

[16]张清正，2015：《科技服务业集聚的空间分析及影响因素研究》，《软科学》第8期。[Zhang Qingzheng, 2015, Research on Technology Service Industry Spatial Agglomeration on Characteristics and Influencing Factors in China，Soft Science, 8.]

此外，《指引》对于强制复牌的规定也为停牌“钉子户”们敲响了警钟。《指引》明确，对于不符合指引规定的停牌申请，交易所不予受理，停牌后发行公司停牌事由不成立的，可以要求立即复牌；对于拒不复牌的可以实施强制复牌。

[17]张清正，2015：《“新”新经济地理学视角下科技服务业发展研究——基于中国222个城市的经验证据》，《科学学研究》，第10期。[Zhang Qingzheng, 2015, Research on China Technology Service Industry Agglomeration and Influencing Factors under the Perspective of “New” New Economic Geography: Based on the 222 Chinese Cities Experience Evidence, Science Research, 10.]

[18]钟小平，2014：《科技服务业产业集聚: 市场效应与政策效应的实证研究》，《科技管理研究》，第5期。[Zhong Xiaoping, 2014, Market and Policy Effect on Agglomeration of Science and Technology Service Industry, Research on Science and Technology Management, 5.]

[19]Anselin,L., 1998, Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic.[20]Bryson, J.R., M. Taylor and P.W. Daniels, 2008, Commercializing Creative Expertise: Business and Professional Services and Regional Economic Development in the West Midlands，Politics and Policy, 36(2): 306-328.

[21] Elhorst, J.P., 2014, Mat lab Software for Spatial Panels, International Regional Science Review, 37(3):389-405.

[22]Nonaka, I., 2000, A Dynamic Theory of Organizational Knowledge Creation, Knowledge, Groupware and the Internet, 3-42.

[23]Pereira á and X. Vance, 2017，The Role of KIBS in the Transition Towards Circular Economy, Book of Abstracts, vol 19.

1.2.1 调查工具 采用问卷调查法。笔者在查阅相关文献的基础上自行设计调查问卷，并由我院护理专家教授审修。学生一般情况包括年龄、性别，是否自愿选择护理专业，以前是否学习过礼仪相关知识和进行过相关培训。教学效果满意度评价表包括3个条目：教学方法、师生互动、学习效果。每个条目分别从满意、一般、不满意3个等次进行评价，学生如实选择。最后设计了开放式问题，征询学生对护理礼仪与人际沟通教学的建议。

[24]Wood, P., 2006, Urban Development and Knowledge-intensive Business Services: Too Many Unanswered Questions?, Growth and Change, 37(3):335-361.